0
点赞
收藏
分享

微信扫一扫

随想录(从kaldi学习语音识别)


【 声明:版权所有,欢迎转载,请勿用于商业用途。

    语音识别是一个技术活。之前一直不是很了解,特别是听到梅尔倒谱系数、GMM、HMM、DNN、NLP这些概念的时候就头疼。今天晚上,趁着有时间,看了一下kaldi的基本代码,心里有了一些基本的概念。

 

1、代码地址

​​https://github.com/kaldi-asr/kaldi​​

 

2、主要目录

tools/,提示安装哪些第三方软件

src/,源代码目录

egs/,示例工程目录

 

3,主要的开发语言

cc、shell、perl

 

4、最简单的范例

​​https://github.com/kaldi-asr/kaldi/tree/master/egs/yesno/s5​​

 

5、使用方法

先编译tools下面的第三方库,接着编译src代码,最后选择一个egs工程运行,

可以参考这个​​链接​​

 

6、最简单的范例脚本

上面提到的yesno是最简单的工程,那我们可以看一下最简单的脚本run.sh

kaldi基本上是用脚本驱动来完成各个工程范例的,但是逻辑都比较类似

#!/bin/bash

train_cmd="utils/run.pl"
decode_cmd="utils/run.pl"


if [ ! -d waves_yesno ]; then
wget http://www.openslr.org/resources/1/waves_yesno.tar.gz || exit 1;
# was:
# wget http://sourceforge.net/projects/kaldi/files/waves_yesno.tar.gz || exit 1;
tar -xvzf waves_yesno.tar.gz || exit 1;
fi

train_yesno=train_yesno
test_base_name=test_yesno

rm -rf data exp mfcc

# Data preparation

local/prepare_data.sh waves_yesno
local/prepare_dict.sh
utils/prepare_lang.sh --position-dependent-phones false data/local/dict "<SIL>" data/local/lang data/lang
local/prepare_lm.sh

# Feature extraction
for x in train_yesno test_yesno; do
steps/make_mfcc.sh --nj 1 data/$x exp/make_mfcc/$x mfcc
steps/compute_cmvn_stats.sh data/$x exp/make_mfcc/$x mfcc
utils/fix_data_dir.sh data/$x
done

# Mono training
steps/train_mono.sh --nj 1 --cmd "$train_cmd" \
--totgauss 400 \
data/train_yesno data/lang exp/mono0a

# Graph compilation
utils/mkgraph.sh data/lang_test_tg exp/mono0a exp/mono0a/graph_tgpr

# Decoding
steps/decode.sh --nj 1 --cmd "$decode_cmd" \
exp/mono0a/graph_tgpr data/test_yesno exp/mono0a/decode_test_yesno

for x in exp/*/decode*; do [ -d $x ] && grep WER $x/wer_* | utils/best_wer.sh; done

 

7、中文范例

thchs30

 

8、kaldi中文资料

​​javascript:void(0)​​

 

9、搭建自己的语音识别工程

整个kaldi是脚本驱动的,你可以在此基础上搭建自己的项目,比如参考这个链接

​​javascript:void(0)​​

 

10、kaldi的学习方法

根据知乎上同学的说法,最好的kaldi学习方法就是跑样例,边看文档边调试,这样效率最高。

可以到​​https://www.zhihu.com/question/57230747/answer/244383490​​看看他们详细的说法。

 

 

举报

相关推荐

0 条评论